پیش بینی افسردگی بر اساس مولفه های کمال گرایی: نقش میانجی خود انتقادی
Publish place: Clinical Psychology Studies، Vol: 5، Issue: 19
Publish Year: 1394
Type: Journal paper
Language: Persian
View: 204
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_CPS-5-19_001
Index date: 19 October 2021
پیش بینی افسردگی بر اساس مولفه های کمال گرایی: نقش میانجی خود انتقادی abstract
هدف از پژوهش حاضر تعیین نقش مستقیم مولفه های کمال گرایی با افسردگی و همچنین نقش غیرمستقیم این مولفه ها با میانجی گری خود انتقادی با افسردگی بود. به این منظور تعداد ۲۰۰ نفر از دانشجویان دانشگاه بوعلی سینا همدان به روش نمونه گیری تصادفی طبقه ای انتخاب و به ابزارهای تحقیق شامل مقیاس کمال گرایی، مقیاس خود انتقادی و پرسشنامه افسردگی بک پاسخ دادند. برای تحلیل داده ها از همبستگی پیرسون و تحلیل مسیر استفاده شد. نتایج ضریب همبستگی پیرسون نشان داد که بین مولفه های کمال گرایی با خود انتقادی و افسردگی رابطه معنی داری وجود دارد. علاوه بر آن رابطه خود انتقادی با افسردگی نیز معنی دار بود. نتایج تحلیل مسیر نیز نشان داد که ضرایب بتای مربوط به مسیر کمال گرایی دیگر مدار به افسردگی و مسیر کمال گرایی جامعه مدار به خود انتقادی معنی دار نیست؛ اما ضرایب سایر مسیرها معنی دار بود. شاخص های برازش مدل نیز حاکی از برازش خوب مدل با داده ها بود. درمجموع نتایج نشان داد که ۵۹ درصد از واریانس متغیر افسردگی توسط مولفه های کمال گرایی و خود انتقادی و ۳۳ درصد از واریانس متغیر خود انتقادی توسط مولفه های کمال گرایی خودمدار و دیگر مدار تبیین شد. درمجموع با توجه به اطلاعات حاصله نتیجه گرفته می شود که از طریق اصلاح خود انتقادی و مولفه های کمال گرایی به میزان زیادی می توان افسردگی آزمودنی های را کنترل کرد.
پیش بینی افسردگی بر اساس مولفه های کمال گرایی: نقش میانجی خود انتقادی Keywords:
پیش بینی افسردگی بر اساس مولفه های کمال گرایی: نقش میانجی خود انتقادی authors
علی محمد رضایی
استادیار، روان شناسی و علوم تربیتی، دانشگاه سمنان، سمنان، ایران
فائزه جهان
دانشجوی دکتری روان شناسی تربیتی دانشگاه بوعلی سینا همدان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :